详细内容或原文请订阅后点击阅览
模拟金属合金行为的更好方法
麻省理工学院研究人员的方法捕捉微妙的原子模式，改进对材料特性的预测。
来源:MIT新闻 - 人工智能从事航空航天、能源和计算前沿工作的公司不断寻找新材料来提高性能。但为了了解这些材料在火箭内部或计算机芯片上的实际表现，公司首先必须制造材料，然后对其进行测试。这是因为，即使是最强大的模拟技术也很难对当今大多数固体材料中复杂的化学排列进行建模。这个问题增加了材料创新的成本和时间。
现在，麻省理工学院的一个研究小组已经创建了一种精确模拟金属行为的方法，无论其化学排列的复杂性如何。该方法的核心是机器学习模型，可以使材料模拟更快、更准确。研究人员通过构建捕获化学无序材料中原子环境多样性的训练数据集来改进这些模型。
在《科学进展》上的一篇新论文中，研究人员表明他们的方法可用于准确预测各种金属合金在各种条件下的材料性能。他们还展示了如何使用该方法来开发新材料，特别是在实验成本昂贵的情况下。
“本文的重点是金属合金，这是我工作的领域，但这也可以适用于其他类型的材料，例如半导体，”资深作者、麻省理工学院材料科学与工程 TDK 职业发展教授罗德里戈·弗雷塔斯 (Rodrigo Freitas) 说道。 “这并不特定于任何一种应用——你可以使用这种方法来制造新的可持续钢材、航空航天新材料等等。这就是令人兴奋的原因。”
与 Freitas 一起发表论文的还有第一作者 Killian Sheriff 博士 '26；麻省理工学院博士生肖丹尼尔和曹一凡；和谢菲尔德大学高级讲师 Lewis R. Owen。
金属建模
从实验室到工业界